Apptronikは2026年6月30日、米テキサス州オースティンで拡張した「Robot Park」と、ロボット「Apollo 2」を紹介しました。同社は、二足型と車輪型のApollo 2を、作業データを集めて学習に使うための基盤と位置づけています。
ロボットに仕事を覚えてもらう場所をどうつくるか。この発表は、工場への導入を考える企業にも、機体選びと並ぶ検討の視点を示していると考えられます。箱を運ぶ仕事なら、持ち上げる動作だけでなく、棚に近づき、箱をつかみ、失敗したらやり直すところまで試す必要がありそうです。
作業データを集め、将来の商用機へつなぐ
Apptronikによると、データは、人が離れた場所から動かす遠隔操作と、ロボット自身による自律動作を組み合わせて集めます。Google DeepMindとの研究連携を通じ、集めた作業データをロボット向けAI「Gemini Robotics」の改善に使うと説明しています。
その先には、将来の商用機「Apollo 3」へつなげる計画があります。今回の発表は、Apollo 3の販売開始を知らせるものではありません。データを学習に使うという構想と、現場で安定して働けるかという評価も、分けて捉える必要があります。
部品工場なら、実際の棚と箱で仕事を繰り返す
たとえば、日本の自動車部品メーカーが、部品箱を棚から取り出して次の置き場へ移す小さな作業区画を、試験場にする場面を考えます。実際の導入事例ではなく、発表を踏まえた活用の想定です。
生産技術の担当者は、作業手順書とともに、現場で使う棚、箱、道具を用意します。決まった位置の箱を一度運べたら終わりにせず、箱の位置がずれた場合や、手前に別の物がある場合も繰り返し試します。同じ「箱を運ぶ」仕事でも、周囲の条件によって必要な動作や人の助けが変わると考えられるためです。
こうした試験の目的は、どの条件なら任せられ、どこで人が引き取るべきかを見極めることにあります。つまずく場面が分かれば、ロボットの動作を調整するか、棚の配置や箱の置き方を変えるかという判断にもつなげられそうです。
Apollo 2に二足型と車輪型がある点も、工程を考える手がかりになります。たとえば、平らな床の決まった範囲で箱を運ぶなら、二足で歩く必要性を確かめ、車輪型を候補に含める考え方があります。車輪型の性能が上回るという比較結果ではなく、仕事に必要な移動方法から機体を選ぶという視点です。
作業時間、例外、復帰方法を記録する
試験では、作業時間、例外、復帰方法を分けて記録すると、運用の判断に使いやすいと考えられます。
作業時間には、順調に箱を運べた時間に加え、人の操作を待つ時間も残します。例外として記録するのは、箱をつかめない、置き場がふさがっているといった状況です。復帰方法では、自力で再開できたのか、遠隔操作で戻したのか、現場の人が対応したのかを確認します。
遠隔操作と自律動作を組み合わせるという同社の説明を踏まえると、作業が完了したかどうかに加え、その完了にどれだけ人が関わったかを見る意味があります。たとえば、毎回同じところで人の操作が必要なら、その対応を担う人や手順まで含めて運用を考える必要があるでしょう。調達担当者にとっても、購入後に仕事を任せ続けられるかを検討する材料になります。
事業を評価する側には、集めたデータが、現場で任せられる作業の拡大につながるかという着眼点があります。Apptronikが説明したデータ収集と学習の構想を、日本の工場での検討につなげるなら、まず一つの仕事を切り出す。そこで成功する条件と、人に戻す手順を具体化することが、試験の出発点になると考えられます。